研究與模型 2026年8月21日

本週 · 事件日 08-20

Z.ai 執行長唐杰：post-training 真正卡住的地方已經不是模型，是環境——而他說環境和打分器都能自動合成。

先講這是誰：Z.ai（智譜）是中國的前沿模型團隊，GLM 系列開放權重模型的開發者，執行長唐杰是清華大學電腦系教授出身。他針對新版 GLM-5.3 提出兩件事（Latent Space，08-20）。第一，參數量已經不足以描述一個模型，要跟資料量、算力花在哪、誰在什麼條件下跑它一起看。第二件才是重點：模型先讀海量文本做預訓練，再用強化學習等方法做後訓練——近兩年能力躍升的主要來源是後者。而後訓練要擴大規模，難的已經不是模型本身，是環境：一個模型可以實際動手操作、要跑很多步才知道成不成功的模擬工作場域（例如給它一整套機器學習基礎設施，要它診斷訓練流程的瓶頸、實作最佳化、跑實驗，並在不弄壞正確性的前提下交出可量測的加速）。這種環境過去靠人工一個一個蓋。唐杰說 Z.ai 已經建好一條產線，把環境端到端合成出來，部分任務連獎勵訊號也一起合成；更關鍵的是打分器是在看不到參考答案的情況下被合成的，要通過三關檢查（餵標準答案要判過、餵「什麼都沒做」要判不過、餵沒解完的中間狀態也要判不過）才算數。